⛄一、Fisher分类手写数字识别简介
1引言
手写体数字识别在过去的几十年里一直是模式识别领域的研究热点,在手写较多的领域如邮政编码、统计报表、财务报表、支票的数字识别等方面有广泛应用.专家、学者提出了很多识别算法,但是很多只是停留在实验室中,由于书写风格的不同造成了各种字符变形,研究高性能的手写数字识别算法是一个有相当挑战性的课题.提取字符特征大体分两类:一是统计特征,通常包括点矩、特征区域等;二是结构特征,通常包括圈、端点、拐角点、笔画、轮廓等现有的识别方法很多,例如基于模板匹配或结构特征的方法、使用模糊推理的方法、基于矩和变换的方法、基于神经网络的方法等.
2 预处理及特征提取
为防止手写时(粘带等操作)出现离散的孤立点,笔者采用面积滤波法去除离散点.滤波算法描述如下:
[step 1] 循环:扫描整个书写区;
[step 2] 计算:根据8邻域像素点计算各连通区域的像素点数目, 作为面积值s;
[step 3] 判断:若面积值ss Threshold(指定阈值) ,